IBM will watsonx mit Quantencomputern verknüpfen
Mit watsonx.data sollen Unternehmen auf alle Daten in Cloud- und On-Premises-Umgebungen zentral über einen einzigen Zugangspunkt zugreifen können. Dabei stünden gängige Engines wie Presto und Spark zur Verfügung, die für verschiedene Workloads zum Einsatz kommen können. Das gelte laut IBM beispielsweise für Datenexploration, -transformation und -analyse oder auch die Aufbereitung von Daten für das Training und Tuning von KI-Modellen. Durch die flexible Wahl der Engine, die für den jeweiligen Zweck nötig sind, würden Ressourcen effizienter genutzt, versprach Gröger. Unternehmen könnten außerdem durch die teilweise Verlagerung von Daten, die nur gelegentlich genutzt werden, die Kosten für ihr Data Warehouse um bis zu 50 Prozent senken.
Der IBM-Mann kündigte an, dass der Leistungsumfang von watsonx in den nächsten Monaten kontinuierlich durch zusätzliche Funktionen ergänzt werde. Im laufenden Jahr soll der Fokus dabei auf der Fortentwicklung der Foundation-Modelle liegen. Neben NLP würden auch weitere Anwendungsfälle unterstützt. Gröger deutete auch Verbindungen von watsonx mit den eigenen Quantenrechnern an. Das könnte ungeahnte Möglichkeiten in Forschung und Wissenschaft sowie für die gesamte Gesellschaft eröffnen.
IBM baut eigene KI-Chips für seine watsonx-Cloud
Derweil arbeitet IBM offenbar daran, seine eigene Cloud-Infrastruktur besser auf künftige KI-Workloads hin zu optimieren. Reuters zufolge will der IT-Konzern eigene KI-Chips entwickeln, wohl auch um die Kosten des KI-Betriebs im Griff zu behalten. Auf einer Konferenz in San Francisco sprach Mukesh Khare, General Manager der Halbleiter-Sparte von IBM, von einer Artificial Intelligence Unit. Dieser Chip soll künftig Bestandteil des watsonx-Cloud-Service von IBM sein.
Viele KI-Anbieter nutzen derzeit Grafikbeschleuniger von Nvidia, gerade für ihre Trainings-Workloads. Andere IT-Größen wie die Google-Mutter Alphabet oder Amazon entwickeln eigene KI-Chips. Khare wollte nicht verraten, wann IBM seine KI-Chips an den Start bringt. Derzeit seien tausende als Prototypen im Testeinsatz.
Gegenüber Reuters betonte der IBM-Manager, man wolle nicht Nvidias Chips nachbauen oder ersetzen. Dem IT-Konzern gehe es vor allem darum, produktive KI-Workloads möglichst kosteneffizient abzuwickeln, also den Betrieb bereits trainierter Modelle. "Wir zielen im Moment nicht auf das KI-Training", sagte Khare. Das sei ein anderes Kaliber, was die Rechenleistung angehe. "Wir wollen dorthin gehen, wo wir die größte Wirkung erzielen können."